基于主成分分析和字典学习的高光谱遥感图像去噪方法
高光谱图像变换域各波段图像噪声强度不同,并具有独特的结构。针对这些特点,该文提出一种基于主成分分析(Principal Component Analysis, PCA)和字典学习的高光谱遥感图像去噪新方法。首先,对高光谱数据进行PCA 变换得到一组主成分图像;然后,对信息量较小的主成分图像分别采用基于自适应字典的稀疏表示方法和对偶树复小波变换方法去除空间维和光谱维的噪声;最后,通过PCA逆变换得出去噪后的数据。结合主成分分析和字典学习的优势,该文方法相对于传统方法对高光谱图像具有更好的自适应性,在细节得到保留的同时有效地抑制了斑块效应。对模拟和实际高光谱遥感图像的实验结果验证了该文方法的有效性。
图像处理、高光谱图像、去噪、主成分分析、稀疏表示、字典学习
TP751(遥感技术)
国家自然科学基金61271294,60872138资助课题
2014-12-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
2723-2729